De Belgische onderhoudsvereniging BEMAS heeft de Prijs Wout Theuws 2025-2026 toegekend aan Laurens Joosten, student Elektromechanica aan Thomas More in Geel. Zijn bekroonde bachelorproef laat zien hoe online trillingsmetingen kunnen worden ingezet om machineproblemen vroegtijdig te signaleren – een technologie die steeds belangrijker wordt binnen de slimme fabriek.
Joosten ontwikkelde een didactische testopstelling waarmee studenten leren hoe trillingsanalyse wordt toegepast voor conditiebewaking, foutdiagnose en predictief onderhoud. Daarmee sluit het project direct aan op de groeiende behoefte van de industrie om storingen te voorkomen met behulp van sensoren, data-analyse en kunstmatige intelligentie.
Van reactief naar voorspellend onderhoud
In moderne productieomgevingen verschuift onderhoud steeds vaker van reactief of preventief naar predictief. Daarbij worden machines continu bewaakt met sensoren die afwijkingen registreren voordat een storing optreedt.
Trillingsanalyse speelt hierin een sleutelrol. Slijtage, onbalans, uitlijnfouten of defecte lagers veroorzaken subtiele veranderingen in het trillingspatroon van motoren, pompen, compressoren en tandwielkasten. Door deze afwijkingen vroegtijdig te detecteren kunnen onderhoudswerkzaamheden beter worden gepland, onverwachte stilstand worden voorkomen en de levensduur van installaties worden verlengd.
Met zijn bachelorproef bouwde Joosten een praktijkopstelling waarin dergelijke storingen gecontroleerd kunnen worden opgewekt. Studenten leren hierdoor niet alleen meetgegevens interpreteren, maar begrijpen ook welke mechanische problemen achter specifieke trillingspatronen schuilgaan.
Industrie 4.0 in de praktijk
De installatie is opgebouwd met industriële componenten uit het werkveld. Sensoren registreren de trillingen op verschillende punten van de opstelling, waarna de gegevens online beschikbaar worden gemaakt voor analyse.
De proefopstelling sluit daarmee nauw aan op de ontwikkelingen binnen Industrie 4.0, waarin machines steeds vaker zijn verbonden met IoT-sensoren, cloudplatformen en AI-software. Grote hoeveelheden data maken het mogelijk om afwijkingen automatisch te herkennen en onderhoud steeds nauwkeuriger te voorspellen.
Volgens BEMAS blijft menselijke expertise daarbij onmisbaar. Onderhoudsspecialisten moeten de data kunnen interpreteren en begrijpen welke technische oorzaken achter de meetresultaten schuilgaan.
Samenwerking met I-care
Het project werd uitgevoerd in samenwerking met I-care, een Belgische specialist op het gebied van predictive maintenance en machine health. Door gebruik te maken van dezelfde sensoren en analysetechnologie als in industriële productieomgevingen krijgen studenten ervaring met de technieken die zij later in de praktijk tegenkomen.
Volgens I-care laat het project zien hoe onderwijs en industrie elkaar kunnen versterken. Studenten maken al tijdens hun opleiding kennis met actuele technologieën, terwijl bedrijven profiteren van beter opgeleide onderhoudsspecialisten.
Betrouwbaarheid wordt strategisch
Volgens BEMAS wordt predictief onderhoud steeds belangrijker voor de concurrentiekracht van Europese productiebedrijven.
“Door beginnende machineproblemen tijdig te detecteren kunnen bedrijven ongeplande stilstanden voorkomen. Tegelijk voorkomt predictief onderhoud dat onderdelen onnodig vroeg worden vervangen, waardoor onderhoud efficiënter en kosteneffectiever wordt,” zegt Wim Vancauwenberghe, directeur van BEMAS.
Naast lagere onderhoudskosten levert conditiebewaking ook voordelen op voor duurzaamheid. Machines gaan langer mee, er zijn minder reserveonderdelen nodig en grondstoffen en energie worden efficiënter benut.
Meer aandacht voor onderhoudstechnologie
Met de Prijs Wout Theuws wil BEMAS technisch talent stimuleren zich verder te ontwikkelen binnen onderhoud, betrouwbaarheid en asset management. De prijs wordt sinds dit jaar voor het eerst ook uitgereikt aan studenten in het hoger onderwijs.
De bekroonde bachelorproef van Laurens Joosten laat volgens de jury zien hoe praktijkgericht onderwijs kan bijdragen aan de ontwikkeling van de onderhoudsprofessional van de toekomst. Juist nu de industrie steeds meer inzet op digitalisering, AI en voorspellend onderhoud groeit de behoefte aan technici die zowel machinegedrag als data-analyse begrijpen.
